Research

Research

HOME

Topic 3

효율적 인공지능 모델과 효율적 학습을 위한 통신 방법 연구

                                                                                                                                                                                                                               

문제 정의 및 해결 방안

통신 기술과 컴퓨팅 기술의 발전으로 다양한 기기와 인프라가 연결되면서 네트워크의 복잡성이 증가함. 이에 따라 리소스가 제한된 환경(엣지 컴퓨팅, 임베디드 AI 환경, 자율 주행, 스마트 IoT 기기, 웨어러블 디바이스)에서도 효율적으로 작동 가능한 인공지능 솔루션 및 대규모 데이터 처리를 위한 지능형 최적화가 필요함. 게임이론 기반 해석 가능한 모델 경량화, 분산된 환경에서 데이터 프라이버시를 보호하면서 효율적 모델 학습을 수행하는 연합학습(federated learning)을 통해 지능형 최적화를 수행할 수 있음.
                                                                                                                                                                                                                               

활용 범위




경량화된 AI 모델 기반
웨어러블 디바이스
연합학습 시스템
자율주행 인프라 시스템
                                                                                                                                                                                                                               
연구 결과

▪️딥러닝 모델의 복잡도가 증가함에 따라 연산 자원 소모에 대한 부담이 커지고 있음. 이를 해결하기 위해 게임이론 기반의 네트워크 가중치 조절 기법을 활용해 모델을 경량화하고 해석 가능성을 향상시키는 연구를 수행함. 이러한 기술은 자율주행, IoT, 웨어러블 디바이스 등 자원이 제한된 엣지 환경에서도 실시간 추론 성능을 극대화함. 또한, 이를 실시간으로 네트워크 보안 위협에 대응하는 이상 탐지(anomaly detection) 시스템 구축에 활용하는 연구를 수행함.

Joohong Rheey and Hyunggon Park, "SV-SAE: Layer-wise Pruning of Autoencoder based on Link Contributions," IEEE Access, vol. 13, pp.75666-75678, May 2025.

▪️네트워크의 복잡성이 증가함에 따라 6G 네트워크에서는 AI/ML을 기반으로 하는 지능형 최적화 네트워크 설계를 핵심 기술로 채택하고 있으며, 특히 분산된 환경에서 데이터 프라이버시를 보장하면서 효율적인 모델 학습이 가능한 연합학습이 주목받고 있음. 그러나 네트워크 내 통신 지연이나 패킷 손실로 인해 AI/ML 성능 저하가 발생한다는 문제점이 있음. 따라서 네트워크 코딩 기법을 활용하여 통신 오버헤드를 줄이면서도 모델 정확도를 향상시키는 모델 파라미터 전송 최적화 방법을 제안하는 연구를 수행함.

Jungmin Kwon and Hyunggon Park, "Efficient Low-rank Federated Learning based on Singular Value Decomposition," The ACM International Symposium on Mobile Ad Hoc Networking and Computing (MobiHoc 2022), Oct. 2022, pp.285-286.

▪️다이나믹한 네트워크 환경에서는 패킷 손실, 센서 오류, 전송 지연 등으로 인해 결측 데이터가 발생할 수 있으며, 이는 AI/ML 모델의 성능 저하로 이어질 수 있음. 이를 보완하기 위해 네트워크 그래프 구조를 고려하는 저복잡도 결측치 대치 기법을 연구하고 있으며, LSTM과 공간 보간법을 활용하여 시공간 네트워크 데이터의 결측값을 효과적으로 대치함으로써 빠르고 정확한 데이터 전처리를 가능하게 하는 모델을 설계하는 연구를 수행함.

Jungmin Kwon and Hyunggon Park, "Parameter Transferred Irreducible LSTM for Traffic Data Imputation," IEEE Sensors Journal,  vol. 24, no. 14, pp. 22179-22188, Jul. 2024.